对话华宇元典CEO蔡建军:法律AI时代 如何为法律人提供真正好用的工具丨律新对话
作者丨王琼
出品丨律新社品牌服务中心
AI浪潮席卷全球,法律科技企业竞相角逐,各种法律科技产品和应用不断涌现。如何利用技术创新打造出真正满足需求的好产品,不仅是行业刚需,也是衡量法律科技企业核心竞争力的重要标志,更是推动法律服务行业智能化、数字化转型升级的关键力量。
北京华宇元典信息服务有限公司多年来致力于法律科技探索,通过大数据、人工智能等技术,为包括政、检、法、律、企在内的全法律圈提供多种智能法律服务产品解决方案,有力推动了法律服务行业的创新发展,也因此入选律新社《新兴法律服务业精品指南(2023中国市场)》,并获评“2023年度律新社法律科技领航机构”。近日,律新社对话华宇元典CEO蔡建军,深入交流法律AI的发展趋势与法律科技产品应用的创新。
致力法律科技创新
智能产品服务全法律生态圈
华宇元典诞生于Alpha Go战胜人类棋王的2016年,多年来坚定积累行业数据、研发先进算法、探索最有应用潜力的行业场景,为法律人提供了智能辅助的多种“神器”。
请您简要介绍一下华宇元典及其覆盖的业务领域和客户群体,并谈谈贵司产品和业务为客户提供了哪些价值?
蔡建军
华宇元典是上市公司——北京华宇软件股份有限公司于2016年7月设立的专职从事法律大数据和法律人工智能应用与研究的子公司。依托大模型技术能力,在智能底层平台“元典睿核”的基础上,华宇元典坚持围绕客户需求持续创新,研发了多款面向法律人群体的基于法律大数据和法律AI的产品,如2023年最新推出的华宇万象法律大模型、累积用户达150万的元典智库(法律大数据平台)、司法行业广泛应用的元典睿核、AI赋能的元典Yodex智慧法务管理平台、元典数智合规管理系统、问达、元一合规助手等法律AI产品,积极致力于为全法律生态圈提供基于数据和知识双驱动的法律人工智能服务,为法律人提供辅助决策,持续提升法律行业生产力。
万象法律大模型应用场景
例如,元典Yodex智慧法务管理平台可切实解决企业争议解决场景下的工作分散、卷宗档案缺失、案件进展同步不及时、考核统计口径不一致、知识获取不准确等问题,助力企业提升纠纷案件响应能力与纠纷解决质效。
Yodex 智能回填功能
元典数智合规管理系统覆盖合规义务履行、合规制度建设、合规流程管控、风险监测与跟踪、合规文化建设等合规管理场景,打通企业内外部数据,推动企业合规管理体系的有效落实和不断优化。目前,华宇元典在司法行业拥有众多落地产品;同时,人工智能服务已覆盖房地产、金融、互联网等行业内的央企、国企和民营头部企业,服务客户达3000余家,打造了覆盖法院、检察院、司法行政、政法委、纪检监察、公安等法律机关以及律师、公司法务等商业法律服务领域的法律服务生态。
相比之前,华宇元典在2023年的主营重要业务方向是否有所调整,主营产品的技术特征或业务模式是否有显著的提升或优化?
蔡建军
华宇元典积极拓展to B业务领域。得益于华宇集团在G端的市场优势和自身品牌口碑的积累,华宇元典依托丰富的数据资源、优秀的人工智能技术能力等,深度聚焦纠纷案件管理、合规管理、内部法律人员管理和外聘律师管理等法律应用场景,积极为客户提供法律研究、文件起草自动化、文件审查自动化、法律文本分析、风险预警、法律咨询、合规审查等法律人工智能服务。
在向客户提供价值的过程中,华宇元典的核心竞争力体现在哪些方面?
蔡建军
第一,聚合海量数据资源。华宇元典全面整合法检、内外部的法律数据资源,覆盖案例、法规、律师律所及企业工商信息等2亿+数据资源,实现多源异构数据的融合。
第二,专业的大模型自主训练和精调能力。华宇于2023年7月发布了华宇万象法律大语言模型,是市场上较早发布垂直领域模型的企业。此外,华宇元典是国内较早从事法律AI的企业之一,参与多项国家重点研发计划项目课题并多次承担国家测评项目。
万象八大核心能力
第三,强大的工程落地能力。目前,华宇元典在司法行业拥有众多落地产品和智能化项目,积极推动法院、检察院等司法机关的信息化建设。此外,在企业侧,华宇元典的人工智能服务已覆盖房地产、金融、互联网等行业内的央企、国企和民营头部企业,打造了多家政企数字化标杆客户,积极推动企业法务管理数字化转型。
第四,高度融合的专业业务能力和信息化技术应用能力。华宇元典拥有成建制复合型团队,由优秀的法律人工智能科学家团队、出色的NLP人才、法律实务经验丰富的业务专家组成。基于对知识、模型、应用和客户场景的探索积累,华宇元典可快速解决客户需求。
法律科技融合势不可挡
更多创新应用未来可期
在持续发展进化的数字时代,传统法律体系不断向数字世界延伸,法律与科技的融合成为必然趋势,这无疑是一次机遇与挑战并存的行业变革。对法律科技企业而言,无论技术如何迭代,研发的最终目标都是服务客户。
您如何看待所在赛道的市场成熟度和技术成熟度?
蔡建军
从市场角度来看,法律科技市场潜力巨大,但仍需进一步发展和完善。
在技术成熟度方面,法律科技领域的技术成熟度仍有提升空间,特别是在确保技术的可靠性、安全性以及与现有法律体系的兼容性方面。
此外,法律科技的发展也面临一些挑战,包括如何确保技术的合规性、如何处理敏感数据保护以及如何提高公众对法律科技解决方案的信任度等。这些问题需要业界、学术界和监管机构共同努力,通过制定相应的政策和标准来解决。
总体而言,法律科技赛道正处于一个快速发展的阶段,市场和技术成熟度都在不断提升。未来,随着技术的进步和市场需求的增长,法律科技有望实现更广泛的应用和更深层次的市场渗透。
您认为人工智能在未来5年内将有望在法律实务的哪些环节得到有实质意义的应用,且具体会体现为什么形式的工具、产品或系统?
蔡建军
人工智能可能会更好地赋能法律检索、案情预测、法律咨询和合规审查等业务场景。
比如,智能法律咨询工具可通过聊天机器人或在线平台,为公众提供初步的法律咨询服务,如常见问题解答、基本法律知识普及等,有效降低法律服务门槛;监管和合规性审查工具可以帮助法律机构和企业监控法律合规性,自动检测潜在的法律风险和违规行为,从而提前采取预防措施。
您认为科技企业或法律服务机构在研发生成式法律AI时,最关键的技术性挑战是什么?华宇元典如何应对这些挑战?
蔡建军
有人说数据质量至关重要。霍洛维茨认为:“当用来自互联网的数据训练一个语言模型时,互联网数据集的本质是一切的平均水平。由于人口智力分布的特点,大多数内容处于中等水平,因此被用于训练模型的数据集就平均而言代表了普通人类。使用此类数据,我们只能训练出一个非常普通的模型。”但其实无论是模型、数据还是算力,就小型公司而言,最重要的还是如何把基础模型与自己领先的数据平台、业务场景结合在一起使用。
蔡总出席大模型产业落地企业高管闭门交流会
华宇元典始终认为研发的最终目标是服务客户,因此,我们从法律领域用户使用大模型的场景出发,倒推所需的数据资源、模型规模以及算力资源。我们根据使用场景来标注精调数据,测试不同参数规模大模型的精调模型的使用效果,根据客户的用户量确定大模型并发数量和算力规模,帮助客户以最小的成本获得法律专业领域大模型服务。
数据+知识双驱动
助力法律服务提质增效
人工智能在法律服务领域的应用充满了想象,但在可预见的未来,AI仍将作为法律服务中的辅助工具,用于提高效率和赋能应用场景的升级。
您认为未来人工智能将可能在哪些方面、以多大的程度改造法律服务业?是否能替代律师或法官?
蔡建军
关于未来AI在法律领域的应用,麦肯锡在一份报告中表明:预计未来会有62%的法律知识工作可以实现自动化。毫无疑问,从提高效率到可能改变法律服务的基本模式,人工智能将在法律服务业中扮演越来越重要的角色。然而,尽管AI在某些方面可能会替代传统的法律工作,如文书起草及智能审查、证据整理等,但它更可能是作为律师的辅助工具而存在,而不是完全取代律师。未来,法律专业人士需要与AI更紧密地合作,共同为客户提供更高效的智能化、专业化、个性化法律服务。
面向未来,华宇元典对法律AI有何进一步布局和研发目标?
蔡建军
就短期目标而言,华宇元典将继续为用户提供人机协同的知识自动化服务及法律研究、文件起草自动化、文件审查自动化、法律文本分析、风险和咨询的监控分析等人工智能服务,不断优化用户体验,探索商业模式。
蔡总受邀出席法律科技产业大会并参与主题为“如何通过数字化推动律师行业新突破”的高峰对谈
长期目标则包含核心技术领域的长期投资和AI共创等。通过平衡长短期目标,我们可以更好地适应不断变化的市场环境,在保证现有产品和服务稳定运行的同时,持续探索新技术和新市场的潜力。
具体而言,华宇元典在产品布局和资本市场等方面有怎样的规划?
蔡建军
产品和技术迭代:华宇元典将继续深化在合规、企业法务数字化转型等法律科技领域的探索,特别是对大语言模型的法律应用场景进行深入研究与开发,从而提供覆盖司法机关、政府、企业、律所及公众等全行业的法律智能服务。
万象法律大模型精调:万象法律大模型结合了通用大语言模型的基础能力和法律专业知识,致力于为法官、检察官、律师和企业法务等法律专业人士提供全面的知识服务,未来将进一步加强数据收集与清洗、模型训练和精调、模型调优、特定场景优化及多模态融合等,提高其在法律领域的应用效果和价值。智能产品矩阵搭建:华宇元典依托智能核心中台“元典睿核”,构建了服务全法律生态圈的智能产品矩阵。未来将继续扩展更多针对具体法律业务场景的应用产品,如文档智能审查、智能问答、知识产权管理等,提供全流程智能法律服务解决方案。结语
关于法律科技的未来想象,计算机学家阿伦凯曾说过:“对未来最好的预测就是创造未来。”正是像华宇元典一样的众多法律科技企业凭借对技术的深刻理解和对法律实务的精准把握,以持续的投入和不懈的创新,不断拓展与重塑法律科技的边界,才有了为法律人创造更高效、更智能工作方式的可能。
END